1. Introduction

Les agents d’intelligence artificielle (IA) générative fondés sur de grands modèles de langage (Large Language Models, LLM), comme ChatGPT, Gemini et DeepSeek, sont de plus en plus populaires, avec des usages qui vont de la rédaction, de la relecture, du résumé et de la traduction de textes à des tâches plus complexes d’organisation, de recherche et de divertissement (Chatterji et al. 2025 ; Maslej et al. 2025). L’un des usages émergents (et plutôt controversés) consiste à recourir à des agents d’IA pour obtenir des conseils relationnels et un soutien thérapeutique face à des problèmes de santé mentale. Dans une enquête représentative à l’échelle nationale aux États-Unis, 13,1 % des jeunes (de 12 à 21 ans) déclaraient utiliser l’IA générative pour obtenir des conseils en santé mentale (McBain et al. 2025). Les études menées auprès de populations cliniques font apparaître une prévalence plus élevée : 48,7 % des adultes suivis (de 18 à 80 ans) déclaraient utiliser des LLM pour un soutien thérapeutique (Rousmaniere et al. 2025). La recherche portant sur les données de conversation de ChatGPT indique que, si les sujets d’échange les plus fréquents étaient l’aide pratique, la rédaction et la recherche d’informations (78 % de l’ensemble des messages), la recherche de conseils et d’orientation était nettement élevée, avec 49 % des messages (Chatterji et al. 2025).

Face à l’intérêt et à la demande croissants du public pour l’usage de l’IA en soutien à la santé mentale, les applications commerciales de thérapie par IA qui proposent des interventions en santé mentale fondées sur des données probantes se sont multipliées, avec une large base d’usagers. Par exemple, la principale application de thérapie par IA, Wysa, compte environ 4,5 millions de personnes inscrites dans plus de 65 pays et a noué de nombreux partenariats avec des employeurs dans le monde entier (Baldry 2022). Des études montrent que les personnes qui l’utilisent font état d’une grande satisfaction à l’égard des applications de thérapie par IA, construisent au fil du temps une alliance thérapeutique avec leur thérapeute IA (Beatty et al. 2022), et perçoivent ces applications comme dépourvues de jugement et d’étiquetage, tout en appréciant leur disponibilité constante et leur faible coût (Chaudhry et Debi 2024).

Malgré les avis positifs du public des applications de thérapie par IA et des voix favorables à l’usage de l’IA en psychothérapie¹, qui en soulignent l’accessibilité, le coût abordable et l’immédiateté, la recherche sur les effets de l’usage de l’IA en santé mentale raconte une autre histoire. Les méta-analyses portant sur l’efficacité des applications de thérapie par IA, pour les problèmes de santé mentale en général (He et al. 2023) comme pour des symptômes précis tels que la dépression et l’anxiété (Zhong et al. 2024), aboutissent à des résultats mitigés, avec des tailles d’effet de 0,19 à 0,62. Si la psychothérapie fondée sur l’IA apporte un soulagement rapide des symptômes (Balan et al. 2024 ; Li et al. 2023), les gains ne se maintiennent pas à long terme (Zhong et al. 2024). Il est donc nécessaire de poursuivre la recherche pour explorer la qualité des agents d’IA, plutôt que leur évaluation subjective, ainsi que les effets directs et indirects de leur usage à des fins thérapeutiques. En outre, des inquiétudes persistent quant à la confidentialité, à la protection des données, aux risques pour la personne suivie en cas de besoins cliniques importants et à une compétence culturelle limitée (Maslej et al. 2025 ; McBain et al. 2025 ; Rahsepar Meadi et al. 2025).

La présente étude vise à combler ces lacunes de la littérature en explorant les évaluations, par des spécialistes de la supervision clinique, des compétences et habiletés d’un modèle GPT entraîné, dans une perspective systémique. L’accent mis sur l’orientation systémique est d’ailleurs délibéré. La majeure partie de la littérature existante sur l’usage thérapeutique des agents d’IA s’est concentrée sur des approches manualisées et protocolisées, comme les modèles de thérapie cognitivo-comportementale, en raison de la facilité à y entraîner les agents d’IA du fait de leur caractère standardisé (He et al. 2023 ; Li et al. 2023 ; Zhong et al. 2024). Or, des rapports récents montrent que beaucoup de personnes se tournent surtout vers l’IA pour des conseils relationnels (American Psychological Association 2025), ce qui rend de plus en plus important d’examiner dans quelle mesure les modèles d’IA peuvent proposer des interventions orientées vers les dynamiques de couple et de famille, un domaine qui a reçu peu d’attention de la part de la recherche.

1.1. Le processus thérapeutique entre humain et IA

Les progrès techniques des systèmes d’IA conversationnelle ont permis aux LLM de générer des réponses très proches des processus thérapeutiques, dont la reformulation empathique, la normalisation et la validation émotionnelle (Scholich et al. 2025). Les LLM se sont montrés capables de reconnaître des états émotionnels à partir de textes, de voix et d’images, faisant preuve d’une forme d’empathie cognitive (Başer et al. 2025 ; Yirmiya et Fonagy 2025). Les données empiriques indiquent que les personnes qui recourent à ChatGPT pour un soutien émotionnel et en santé mentale disent se sentir émotionnellement connectées et prêtent à l’IA des qualités de thérapeute, comme le professionnalisme, la fiabilité et une présence attentionnée et validante (Luo et al. 2025). Dans certains cas, les personnes destinataires ont jugé les réponses générées par l’IA plus soutenantes que celles de personnes non professionnelles (par exemple Elyoseph et al. 2023 ; Yin et al. 2024). Ces résultats suggèrent que le dialogue thérapeutique généré par l’IA peut être perçu comme émotionnellement accordé et soutenant.

Malgré ces capacités, la capacité émotionnelle et le lien perçus chez l’IA diffèrent de ceux des liens humains. L’empathie générée par l’IA est qualifiée de pseudo-empathie : il lui manque la compréhension issue de l’expérience, l’engagement relationnel, l’intelligence émotionnelle et donc une empathie affective authentique (Yirmiya et Fonagy 2025). Cette différence rend les systèmes d’IA incapables de réciprocité relationnelle, de contre-transfert et d’accordage incarné, autant d’éléments qui caractérisent les relations thérapeutiques efficaces (Yirmiya et Fonagy 2025). De plus, la psychothérapie est théoriquement diverse et profondément relationnelle, ce qui rend la compétence thérapeutique difficile à définir ou à standardiser (Grodniewicz et Hohol 2023). Ces complexités sont particulièrement importantes pour des agents non humains, qui peuvent imiter linguistiquement les dimensions relationnelles et culturellement ajustées de la thérapie sans en saisir pleinement le sens et les attributs.

La compétence que le public prête aux agents d’IA peut masquer leurs limites fondamentales, ce qui soulève des questions éthiques quant à la surestimation de la capacité thérapeutique de l’IA (Barzkar et al. 2025). Lorsque les personnes ne parviennent pas à distinguer le soutien généré par l’IA d’une véritable psychothérapie, elles deviennent vulnérables à la « méprise thérapeutique » (Khawaja et Bélisle-Pipon 2023). Ce risque est particulièrement préoccupant pour les populations vulnérables, comme les personnes ayant survécu à un traumatisme, car les simulations d’IA pourraient risquer de créer des dynamiques relationnelles néfastes (Yirmiya et Fonagy 2025). La capacité de l’IA à imiter le langage thérapeutique peut créer un faux sentiment d’alliance et de sollicitude (Khawaja et Bélisle-Pipon 2023), ce qui souligne la nécessité d’une supervision professionnelle et d’une évaluation systématique. Détecter ces risques à partir des seules perceptions du public est difficile, d’où l’importance d’examiner comment des spécialistes de la clinique évaluent les réponses thérapeutiques générées par l’IA, en particulier sur le plan de l’habileté clinique, des limites éthiques et de l’ajustement culturel. Sans de telles évaluations, il devient difficile de distinguer les applications d’IA qui soutiennent réellement la santé mentale de celles qui donnent un sentiment de sollicitude tout en comportant des risques potentiels.

Enfin, la compétence culturelle demeure une limite critique des modèles d’IA dans les contextes thérapeutiques (Wang et al. 2025). Les évaluations cliniques révèlent que les LLM offrent souvent des conseils simplistes, sans égard pour l’origine culturelle, l’expérience vécue ou les réalités de la situation, ce qui traduit un déficit important d’adaptation au contexte (Iftikhar et al. 2025). Le public comme la recherche ont signalé de tels problèmes de contextualisation, les applications de thérapie par IA (Woebot, Wysa) et les agents conversationnels fondés sur des LLM (ChatGPT) se révélant incapables de comprendre et d’interpréter le contexte humain dans lequel s’inscrivaient les messages, et fournissant à la place des réponses génériques, prévisibles et répétitives (Chaudhry et Debi 2024 ; Sarkar et al. 2023). Prises ensemble, ces limites suggèrent qu’examiner les qualifications des agents d’IA dans les contextes thérapeutiques exige aussi d’évaluer leur capacité d’ajustement culturel et contextuel.

1.2. L’usage de l’IA en thérapie relationnelle

La littérature distingue quatre domaines clés dans lesquels l’IA pourrait être utilisée en thérapie relationnelle : diagnostiquer les problèmes relationnels, prédire le pronostic, suivre les réactions des personnes suivies et proposer un traitement (Puhlman et Chen 2025). La présente étude porte précisément sur le dernier domaine, la prise en charge thérapeutique. Un corpus croissant de données confirme plus largement l’efficacité des interventions relationnelles numériques (Kernová et al. 2025), y compris de programmes en ligne bien établis comme OurRelationship (Doss et al. 2020). Toutefois, une limite importante de ces programmes est qu’ils dépendent d’un accompagnement humain pour maintenir l’engagement : le taux d’achèvement tombe à 6 % sans accompagnement, et le bénéfice de celui-ci tient à la responsabilisation et à l’encouragement plutôt qu’à l’habileté clinique (Knopp et al. 2023). Des équipes de recherche ont donc proposé les agents conversationnels et les applications de thérapie par IA comme solution pour offrir de telles interactions sans mobiliser de ressources humaines (Knopp et al. 2023).

La recherche sur l’usage de l’IA spécifiquement en thérapie relationnelle n’en est pourtant qu’à ses débuts. Une exception notable est un essai contrôlé randomisé récent de Vowels et al. (2025), dans lequel des adultes confrontés à des difficultés relationnelles précises étaient affectés soit à une séance unique avec un agent conversationnel, soit à un exercice d’écriture de réévaluation du conflit fondé sur des données probantes. Les résultats ont montré des améliorations semblables dans les deux groupes, dans divers domaines comme la satisfaction relationnelle, le coping dyadique, la confiance face au problème précis et le bien-être individuel (Vowels et al. 2025). Une différence significative entre groupes a été observée dans l’amélioration à court terme du schéma de communication demande-retrait, spécifiquement dans la condition avec agent conversationnel, bien que cet effet ait disparu au suivi. Si les personnes participantes ont donné à l’agent conversationnel une note élevée d’alliance thérapeutique, elles l’ont aussi décrit comme robotique, répétitif et seulement modérément semblable à un humain. L’équipe de recherche a en outre soulevé des questions de sécurité, en notant que, sur les trois conversations qui ont justifié un suivi de sécurité, l’agent conversationnel en avait déclenché une.

Ces limites reflètent des défis plus larges dans l’application de l’IA aux contextes relationnels. Puhlman et Chen (2025) ont relevé trois défis interdépendants. Premièrement, il est difficile d’accéder à suffisamment de données de conversation issues de contextes de thérapie de couple et de famille, nécessaires à l’entraînement de l’IA. Deuxièmement, en raison de la complexité et du caractère dynamique des stratégies thérapeutiques, il est difficile d’intégrer les savoirs cliniques à l’entraînement de l’IA. Troisièmement, il est impossible d’expliquer pourquoi un modèle a produit une réponse donnée, ce qui rend difficile d’évaluer si cette réponse était cliniquement appropriée ou éthiquement fondée. Ainsi, si l’IA est prometteuse pour la thérapie relationnelle, la technologie n’est pas encore assez développée pour fonctionner de manière fiable dans ce contexte. Dans le contexte des couples et des familles, ces lacunes risquent d’amplifier les malentendus ou d’aggraver les conflits au lieu de les apaiser (Puhlman et Chen 2025).

Au-delà des limites techniques et cliniques décrites ci-dessus, l’intégration de l’IA à la thérapie relationnelle pose des questions importantes sur l’avenir du champ de la thérapie de couple et de famille (TCF). Selon Hertlein et Springer (2026), l’IA est déjà intégrée à de nombreuses plateformes de télésanté et à de nombreux logiciels utilisés par les thérapeutes de couple et de famille, ce qui rend la littératie en IA indispensable à une pratique efficace et éthique. Ces travaux soutiennent que l’IA a dépassé le statut de simple outil et agit désormais comme un tiers participant au sein du système thérapeutique. Cette évolution oblige les thérapeutes de couple et de famille à réfléchir à la manière d’intégrer l’IA tout en préservant leurs approches systémiques et relationnelles et leurs objectifs thérapeutiques. De plus, Hertlein et Springer soulignent que si les thérapeutes de couple et de famille ne s’emparent pas activement de l’IA et n’en orientent pas l’application dans les contextes relationnels, son usage risque de ne pas être conforme aux standards relationnels et systémiques de notre champ. Hertlein et Springer appellent donc à élaborer des normes réglementaires propres au champ et à mener des recherches empiriques pour guider un usage responsable de l’IA en thérapie relationnelle.

1.3. La présente étude

Pour tenter de répondre à ces limites de la littérature, la présente étude a pour but d’examiner les interactions entre l’IA et un être humain au cours d’une séance simulée, et d’évaluer la qualité des micro-interventions générées par l’IA à travers les évaluations d’un panel expérimenté de supervision clinique en TCF. À cette fin, les membres du panel de supervision (à qui l’objet de l’étude avait été caché) ont examiné la transcription de la séance simulée et évalué les compétences thérapeutiques, la compétence et l’ajustement culturel de la personne dite « thérapeute ». Les questions de recherche étaient les suivantes : (1) Quelles sont les habiletés et micro-interventions les plus souvent utilisées par un agent d’IA formé à l’approche systémique lorsqu’il aborde une question relationnelle ? (fidélité aux principes de la thérapie systémique). (2) Selon le panel de supervision clinique, dans quelle mesure l’agent d’IA est-il compétent pour mettre en œuvre des interventions systémiques ? (adhérence : compétence clinique). (3) Selon ce même panel, dans quelle mesure l’IA est-elle compétente pour mettre en œuvre des micro-interventions avec sensibilité et conscience culturelles ? (compétence culturelle). (4) Quels points forts et quels axes de progression le panel de supervision repère-t-il chez l’agent d’IA ?

Nous avons fait l’hypothèse que le GPT (un agent d’IA que l’équipe de recherche a entraîné aux théories, habiletés et interventions de la TCF) montrerait une grande fidélité aux principes systémiques (H1) et une grande compétence dans les habiletés d’entretien de base, comme valider, refléter et résumer (H_2a). Nous nous attendions à ce que le GPT réussisse mal dans les domaines de compétence clinique plus complexes, comme l’affiliation, le questionnement relationnel, le recadrage relationnel et l’interprétation relationnelle (H_2b). En ce qui concerne la compétence culturelle, nous nous attendions à ce que le GPT ait du mal à maintenir son impartialité, parce qu’il insisterait trop sur l’accordage et la validation de la personne utilisatrice pour prolonger l’échange, et à ce qu’il peine à manifester curiosité et humilité à l’égard de la culture (H₃). Pour la question de recherche 4, sur les points forts et les axes de progression de l’outil d’IA, les hypothèses étaient exploratoires et ouvertes, car les membres du panel diffèrent par leur orientation clinique et leur style de supervision.

2. Méthodes

2.1. Procédures de l’étude

Pour la séance simulée, nous avons recruté une personne volontaire pour mener un dialogue écrit avec l’agent conversationnel. Pour être admissible, la personne volontaire devait avoir plus de 18 ans, être engagée dans une relation amoureuse stable depuis au moins 3 mois, avoir déjà utilisé des agents conversationnels fondés sur des LLM et être disposée à s’en servir pour des conseils relationnels, et avoir suivi une psychothérapie individuelle par le passé. Étaient exclues de l’étude les personnes étudiant la psychologie en licence ou en master, les personnes exerçant en santé mentale, titulaires d’un diplôme clinique ou d’une formation formelle quelconque, les personnes ayant un diagnostic psychiatrique et celles subissant des violences dans leur relation amoureuse actuelle. L’étude a été annoncée auprès du public étudiant de master de l’université Koç (Istanbul, Türkiye), et les personnes susceptibles de participer ont été orientées vers l’étude par les réseaux de pairs de ce public étudiant. Après la vérification de l’admissibilité, la personne qui signe en premier a rencontré la cliente volontaire retenue, lui a expliqué les procédures de l’étude, a recueilli son consentement et s’est assurée qu’elle ne divulguerait à l’agent conversationnel aucune information permettant de l’identifier (noms, lieux). La volontaire a été informée que l’agent conversationnel était conçu pour un dialogue sur des questions relationnelles, et qu’elle pouvait parler d’une difficulté récente, en cours dans sa relation amoureuse actuelle. Pour éviter tout préjudice, il lui a été demandé de prévenir l’équipe de recherche si un problème survenait pendant l’échange, comme un langage offensant, des orientations erronées ou des conseils directs sur sa vie personnelle. Après le consentement éclairé et de brèves consignes, la volontaire a rempli un questionnaire démographique en ligne, puis a échangé avec l’agent conversationnel pendant une heure, dans une pièce calme, sur un ordinateur portable du laboratoire. Après l’échange, la cliente volontaire a répondu à un entretien de sortie en ligne sur son expérience, a été informée des objectifs de l’étude et a reçu une carte-cadeau de 10 dollars pour le temps consacré.

Après l’échange entre la volontaire et l’agent conversationnel, la conversation a été transférée dans un document Word et vérifiée pour s’assurer qu’elle ne contenait aucune information identifiante. Chaque prise de parole a été attribuée dans le texte soit au rôle de thérapeute, soit à celui de cliente. Comme le panel de supervision ne devait pas connaître l’objet de l’étude, de légères modifications ont été apportées : suppression du temps de traitement de GPT, correction des fautes de frappe et de ponctuation, et suppression de deux phrases (l’une dans les salutations, l’autre à la clôture du dialogue) qui rendaient évident pour la personne lectrice que l’échange avait eu lieu avec un agent conversationnel. Le reste du dialogue a été conservé sous sa forme originale et occupait huit pages simples.

Un échantillon de convenance de spécialistes de la supervision clinique en TCF a été recruté par le bouche-à-oreille et par les réseaux personnels et professionnels de l’équipe de recherche. Il leur a été proposé de participer à l’étude pour examiner une séance transcrite et évaluer, à partir du texte, les habiletés cliniques et les compétences culturelles de la personne clinicienne. Chaque membre du panel a lu la même transcription, et l’évaluation portait sur une seule séance, car l’étude pilote visait à examiner les variations entre les évaluations du panel plutôt que le changement d’une séance à l’autre ou la variance entre personnes suivies. Pour être admissibles, les membres du panel devaient avoir 18 ans ou plus, au moins 5 ans d’expérience de supervision en TCF, et une orientation thérapeutique systémique dans leur travail clinique et de supervision. Lors du recrutement, des spécialistes de la supervision se réclamant de différents modèles de psychothérapie systémique ont été sollicités afin de garantir l’hétérogénéité des données et la diversité des opinions sur la performance de l’agent conversationnel. Les personnes admissibles qui ont manifesté leur intérêt ont reçu un formulaire de consentement en ligne, un lien vers un questionnaire Qualtrics et la transcription. Elles disposaient de 2 semaines pour répondre au questionnaire et ont reçu une carte-cadeau de 10 dollars pour le temps consacré. Nous avons informé le panel de l’objet de l’étude une fois la collecte et l’analyse des données terminées. Nous lui avons indiqué que la personne thérapeute était un modèle GPT entraîné à mettre en œuvre des interventions systémiques, expliqué la logique de l’étude et les raisons de sa conduite en aveugle, et communiqué les résultats descriptifs. Toutes les procédures de l’étude ont été approuvées au préalable par le comité d’éthique institutionnel de l’université Koç (protocole n^o 2026.050.IRB3.025).

2.2. Personnes participantes

La volontaire de la séance simulée était une étudiante de master de 24 ans, cisgenre et hétérosexuelle, inscrite dans une discipline sans rapport avec la psychologie et sans formation formelle en santé mentale. Elle vivait une relation amoureuse stable depuis 2 ans et demi et faisait état de difficultés de communication. Elle a déclaré avoir suivi trois séances de psychothérapie individuelle par le passé et les avoir trouvées utiles et efficaces, avec une note de 4 sur une échelle de 1 (inutiles et inefficaces) à 5 (très utiles et efficaces). Elle utilisait l’IA presque tous les jours, principalement à des fins universitaires, comme documenter un sujet, synthétiser des données et l’aider à rédiger. Elle n’avait jamais utilisé l’IA pour des conseils relationnels.

La taille d’échantillon prévue avant la collecte des données était de 10 spécialistes de la supervision clinique. Elle a été déterminée d’après une règle empirique de la recherche qualitative et des petites études pilotes, selon laquelle au moins 10 personnes participantes sont nécessaires pour produire des données significatives (Braun et al. 2019). Comme la Türkiye ne compte qu’une poignée de spécialistes de la supervision clinique ayant une formation en thérapie de couple et de famille et en supervision systémique, plus de 5 ans d’expérience de supervision, ainsi que les autorisations d’exercice et les qualifications requises, un échantillon de 10 personnes semblait réaliste pour une étude pilote. Nous avons invité 17 spécialistes de la supervision clinique, dont deux ont décliné en raison de leur emploi du temps chargé et pour des raisons personnelles. Sur les 15 personnes qui ont accepté de participer, 12 ont rempli le questionnaire. Le panel de supervision (N = 12) avait en moyenne 45,08 ans (ÉT = 8,9) et était majoritairement composé de femmes (n = 10 ; 83,33 %, contre deux hommes, 16,67 %). Les deux tiers de l’échantillon étaient titulaires d’un doctorat (n = 8 ; 66,67 %) et le reste d’un master (n = 4 ; 33,33 %). Le panel déclarait en moyenne 18,5 ans d’expérience clinique (ÉT = 7,26) et 10,92 ans d’expérience de supervision (ÉT = 4,78). Toutes les personnes du panel se définissaient comme thérapeutes de couple et de famille travaillant dans une optique systémique. Elles déclaraient recourir, dans leur travail clinique et de supervision, à la thérapie centrée sur les émotions (n = 2), à l’approche expérientielle de Satir (n = 2), à l’approche stratégique (n = 2), à l’approche psychodynamique ou des systèmes familiaux intérieurs (n = 2), à l’approche féministe (n = 2), à l’approche narrative (n = 1) et à d’autres approches systémiques (n = 1). Leurs principaux domaines d’expertise et de spécialisation comprenaient les couples très conflictuels, l’infidélité, le traumatisme, les difficultés relationnelles, puis les problèmes d’attachement et les problèmes de santé mentale (dépression et anxiété). Ces personnes assuraient des supervisions dans plusieurs contextes à la fois, comme leur propre cabinet (n = 10), les stages dans les cliniques universitaires de formation (n = 9), les ateliers de formation continue (n = 6) et les stages externes (n = 2). Elles avaient donc l’expérience de la supervision de thérapeutes de niveaux d’expérience clinique variés, des novices en cours de formation universitaire aux thérapeutes de longue expérience.

2.3. L’entraînement du GPT systémique

La mise au point du GPT systémique a suivi un processus en quatre phases : préparation, ingénierie des consignes (prompt engineering), tests pilotes et ajustements, et finalisation. Pendant la phase de préparation, nous avons examiné les lignes directrices d’OpenAI pour la configuration des GPT, consulté une personne spécialiste en informatique sur la conception des consignes et étudié les consignes rapportées dans des études antérieures de coaching et d’intervention en santé mentale fondées sur GPT. Le GPT a été entraîné à partir d’un ensemble choisi de ressources, dont les compétences fondamentales et les lignes directrices éthiques de l’AAMFT, des manuels et traités de TCF, des cahiers de théorie et de pratique de la TCF, de la littérature sur l’ajustement interculturel et les facteurs thérapeutiques communs, et des publications décrivant des interventions systémiques avec des personnes suivies en individuel (voir le fichier S1 pour la liste complète des ressources et références).

La phase d’ingénierie des consignes a consisté à développer par itérations un GPT Plus au niveau d’intelligence 5.4, fonctionnant en mode de réflexion étendue. Lors des tests pilotes, les premières versions peinaient à maintenir une optique systémique ; elles ont été améliorées par l’ajout, comme ressources, de six transcriptions de séances issues de podcasts accessibles publiquement en ligne. Les consignes ont en outre été reformulées sous forme d’instructions comportementales fondées sur des règles, de schémas de réponse conditionnels (du type : si ___ se produit, aller à la ressource ___ et faire ___), de déroulés thérapeutiques explicites (comment ouvrir, conduire et clore la séance) et d’exemples de comportements acceptables et inacceptables de la part de la personne thérapeute (par exemple : mettre fin à la séance en cas de risque imminent pour la sécurité et orienter la personne vers ___). Le modèle avait pour consigne d’explorer les schémas relationnels, les expériences dans la famille d’origine, les processus émotionnels et les cycles interactionnels. Lors de la phase finale, nous avons étendu les protocoles éthiques et de sécurité relatifs au risque suicidaire, aux maltraitances, à la violence et au contrôle coercitif. Dans les situations de risque important, le modèle avait pour instruction de suspendre la séance et d’appliquer un protocole de sécurité. L’entraînement a duré environ deux mois et demi et a reposé exclusivement sur l’ingénierie itérative des consignes, de multiples tests pilotes, la révision des consignes et l’élargissement des ressources d’appui. Aucune procédure de conditionnement comportemental ni de réentraînement classique par apprentissage automatique n’a été utilisée. Le fichier S1 détaille l’ensemble du processus, par souci de transparence et de reproductibilité.

2.4. Mesures

2.4.1. Questionnaires démographiques

Le questionnaire démographique de la volontaire comportait des questions sur l’âge, le sexe, l’expérience thérapeutique antérieure (nombre de séances suivies, modalité des séances, satisfaction à l’égard de la thérapie et efficacité perçue, notées de 1, faible satisfaction, à 5, grande satisfaction), ainsi que sur la fréquence et les motifs d’usage des agents d’IA. Le questionnaire démographique du panel de supervision portait sur les qualifications (dernier diplôme obtenu, année d’obtention), l’expérience clinique et de supervision (cadre, heures de contact, certificats), les domaines d’expertise clinique et l’orientation thérapeutique.

2.4.2. Questionnaires du panel de supervision

Le panel a rempli le Cross-Cultural Counseling Inventory–Revised (CCCI-R ; LaFromboise et al. 1991), la Systemic Family Practice Systemic Skills Rating Scale (SFP-SSRS ; Butler et al. 2020) et la Common Factors Supervision Checklist (CFSC ; Sprenkle et al. 2009), pour évaluer respectivement les compétences culturelles, systémiques et relevant des facteurs communs du modèle entraîné. Le CCCI-R comporte sept items portant sur la compétence des thérapeutes en counseling multiculturel, notés sur une échelle de 1 (pas du tout d’accord) à 6 (tout à fait d’accord). L’échelle présente une cohérence interne élevée (α = 0,91 ; Drinane et al. 2016). La SFP-SSRS (Butler et al. 2020) est une mesure en 12 items qui évalue les habiletés en thérapie familiale systémique, comme la collaboration, la pensée systémique, le questionnement, le travail avec le pouvoir et les différences, la gestion des émotions et les processus de changement. Conçue à l’origine comme outil d’évaluation des compétences pour la formation clinique et la supervision, elle présente une cohérence interne élevée (α = 0,95) et une fidélité interjuges élevée (CCI = 0,94 ; Butler et al. 2020). Les items sont notés sur une échelle ordinale de 0 (absence de la caractéristique ou usage très inapproprié) à 6 (performance excellente, même face à un haut niveau de complexité et de difficulté de la part des membres de la famille). La CFSC (Sprenkle et al. 2009) a été conçue à l’origine comme un outil à la fois de supervision et d’enseignement dans l’approche des facteurs communs en TCF. Elle porte sur des aspects plus larges du traitement, présents dans différentes approches, et comprend cinq sous-échelles qui évaluent les caractéristiques de la personne thérapeute, les caractéristiques de la personne suivie, l’alliance thérapeutique, l’espoir et les attentes, et les interventions communes à différents modèles. Nous avons utilisé la liste complète pour la présente étude, avec des items allant de 0 (pas compétent) à 10 (compétent)². Dans toutes les échelles standardisées remplies par le panel, les items étaient notés de sorte que des scores plus élevés indiquent des habiletés thérapeutiques plus avancées.

Le panel a aussi rempli deux formulaires d’évaluation élaborés par l’équipe de recherche. Le premier comportait neuf items évaluant des techniques systémiques courantes, comme les questions circulaires et relationnelles, les recadrages relationnels et les interprétations relationnelles. Ces items s’inspiraient des échelles d’adhérence et de fidélité des thérapeutes utilisées dans des pratiques de thérapie systémique fondées sur des données probantes (Ecologically-Based Family Therapy Adherence Sheet, Slesnick 2000 ; Emotionally-Focused Individual Therapy Adherence Measure, Schafer et al. 2022). Il était demandé au panel d’indiquer si la personne thérapeute avait utilisé chacune de ces techniques pendant la séance (oui/non), puis de noter l’efficacité avec laquelle elle l’avait mise en œuvre, sur une échelle en 7 points allant de 1 (habileté faible/inefficace) à 7 (habileté extraordinaire/très efficace). Nous avons en outre élaboré et utilisé un formulaire en 4 items évaluant dans quelle mesure la personne thérapeute maintenait un regard systémique dans un contexte de thérapie individuelle : traiter les cycles relationnels plutôt que la pathologie individuelle, comprendre le contexte relationnel du problème présenté, privilégier le processus sur le contenu, et viser un changement systémique et relationnel plutôt qu’un changement uniquement individuel. Les réponses étaient recueillies sur une échelle de Likert en 5 points, de 1 (pas du tout d’accord) à 5 (tout à fait d’accord).

2.4.3. Questionnaires de sortie

Le panel et la volontaire ont rempli des questionnaires de sortie élaborés par l’équipe de recherche. Les items destinés au panel portaient sur ses hypothèses quant à l’âge de la personne thérapeute, à son expérience clinique en heures de contact avec des personnes suivies, à son niveau de formation et à son orientation thérapeutique, avec une question ouverte sollicitant d’autres retours sur sa performance (points forts et axes de progression). Pour la volontaire, les items portaient sur la satisfaction globale à l’égard du GPT (notée de 1, faible satisfaction, à 5, grande satisfaction), ainsi que sur quatre questions ouvertes concernant son expérience de participation à l’étude et sa perception de la séance.

2.5. Analyse des données

Compte tenu du caractère exploratoire de l’étude et de la petite taille de l’échantillon, l’analyse des données a été descriptive. Nous avons examiné les distributions des scores de compétences culturelles et cliniques, ainsi que les scores de facteurs communs, et calculé leurs moyennes, écarts types et étendues. Nous avons en outre analysé qualitativement les retours du panel aux questions ouvertes et les avons mis en relation avec les résultats quantitatifs.

3. Résultats

3.1. Résultats descriptifs rapportés par le panel de supervision

Le panel a évalué à un niveau modéré la performance du modèle GPT en matière de compétence culturelle (M = 3,85, ÉT = 0,81, étendue 1–6), d’habiletés en thérapie familiale systémique (M = 3,91, ÉT = 0,76, étendue 0–6) et d’intégration d’une orientation systémique dans la thérapie individuelle (M = 3,11, ÉT = 0,37, étendue 1–5). Parmi les facteurs communs, les caractéristiques de la personne thérapeute ont reçu les notes les plus élevées (M = 6,56, ÉT = 1,04), suivies des interventions communes à différents modèles thérapeutiques (M = 6,22, ÉT = 1,48), de l’alliance thérapeutique (M = 6,19, ÉT = 2,34), de l’espoir et des attentes (M = 6,00, ÉT = 1,67) et des caractéristiques de la personne suivie (M = 5,81, ÉT = 1,47), sur une échelle de 0 à 10.

En ce qui concerne l’usage des techniques systémiques, l’ensemble du panel a indiqué que les questions relationnelles, les interprétations relationnelles et la validation de l’expérience de la cliente apparaissaient au moins une fois dans la transcription de la séance (tableau 1). Sur 12 membres du panel, 11 (91,7 %) ont observé que le modèle utilisait le questionnement circulaire, le recadrage relationnel, le reflet et l’accordage. Les métaphores relationnelles étaient la technique la moins souvent relevée par le panel (41,7 %, n = 5), suivies de l’externalisation du problème (66,7 %, n = 8). Le panel a jugé l’efficacité des techniques systémiques relativement élevée (M = 4,72, ÉT = 0,65) sur une échelle de 1 à 7. Le modèle GPT a été estimé le plus habile pour poser des questions relationnelles (M = 5,17, ÉT = 0,83) et des questions circulaires (M = 5,09, ÉT = 0,83), ainsi que pour valider et reconnaître l’expérience de la cliente (M = 5,00, ÉT = 1,28).

Dans le questionnaire de sortie, lorsque le panel a été interrogé sur ses hypothèses concernant la personne clinicienne, une personne a identifié la personne thérapeute comme une IA. La majorité des autres ont estimé que la personne thérapeute avait entre 26 et 35 ans (75,1 %, n = 8) et jusqu’à 500 heures de contact avec des personnes suivies (83,4 %, n = 10), une seule personne du panel (8,3 %) estimant son expérience clinique entre 500 et 1000 heures (tableau 2). En termes de qualifications, 41,7 % (n = 5) pensaient que la personne thérapeute venait d’être diplômée d’un programme de TCF, et 33,3 % (n = 4) la voyaient comme une personne diplômée d’un programme de psychologie clinique, expérimentée, et suivant une formation complémentaire en TCF. Quant à l’orientation théorique, plus de la moitié du panel (58,3 %) a estimé que la personne thérapeute pratiquait la thérapie centrée sur les émotions, tandis que 25 % n’ont pas pu déterminer d’orientation. Le tableau 2 présente le détail des résultats descriptifs.

3.2. Retours et remarques du panel de supervision

Les réponses du panel sur les points forts et les faiblesses de la personne clinicienne ont confirmé les notes attribuées aux échelles. Dans l’ensemble, deux membres du panel (ID 6, une thérapeute EFT, et ID 8, un thérapeute familial d’orientation stratégique) ont estimé que le modèle était très habile pour suivre la cliente et lui renvoyer ses propos, maintenir une perspective circulaire, repérer les schémas d’interaction du couple et rester centré sur le processus, bien que la séance soit une thérapie individuelle. Une autre personne du panel a noté que la personne thérapeute comprenait les émotions de la cliente, s’y accordait et construisait un environnement sécurisant (ID 12, une thérapeute d’orientation expérientielle). Cependant, l’ensemble du panel s’est inquiété du rythme imposé et du manque d’espace et de temps laissés à la cliente pour explorer ses propres dynamiques. Le panel a trouvé que la personne thérapeute adoptait une position dominante d’experte, trop focalisée sur la technique plutôt que sur le processus. Les thérapeutes d’orientation féministe y ont vu un signe de masculinité et de regard masculin. Une participante a écrit :

La personne thérapeute semblait assez active et proposait parfois des cadrages qui pouvaient être difficiles à suivre, sans toujours donner la priorité à l’écoute de la cliente et au suivi de l’impact émotionnel de ses interventions. Elle écoute attentivement et de manière circulaire, mais laisser davantage de temps pour observer le lien et la relation thérapeutique et ce que ressent la cliente, ne pas enchaîner immédiatement une autre question après une interprétation, et éviter une focalisation exclusivement technique pourraient être des axes de progression. J’ai aussi pensé qu’il pourrait être intéressant d’explorer si le rôle de la cliente, « ne pas être exigeante », est lié à la socialisation de genre et s’il existe un déséquilibre dans le travail émotionnel. (ID 5, femme, thérapeute familiale d’orientation féministe)

Le panel a précisé que presser la cliente vers le processus, en étant trop active et dominante, peut avoir des conséquences néfastes à la fois pour la cliente et pour le processus thérapeutique lui-même. Une participante a indiqué que « la personne thérapeute demande à la cliente de choisir parmi quelques émotions qu’elle juge appropriées, au lieu d’utiliser des questions ouvertes pour explorer ses sentiments. Cela peut conduire la personne thérapeute à orienter les émotions réelles de la cliente ou à passer à côté » (ID 2, femme, thérapeute familiale d’orientation stratégique). Une autre personne du panel a averti que la personne thérapeute n’explorait pas les enjeux sous-jacents plus profonds en raison du problème de rythme, et a expliqué : « J’ai pensé que certaines interprétations empathiques risquaient de rester purement interprétatives et pourraient être découpées en plus petits morceaux. Son usage fréquent de la validation était aussi très positif, même s’il aurait pu être plus ancré s’il avait été relié à l’histoire d’attachement de la cliente. La personne thérapeute ne dispose peut-être pas encore d’assez d’informations pour cela. Dans les premières séances, il pourrait être bénéfique de mettre davantage l’accent sur l’exploration avant de passer à la validation et à l’interprétation » (ID 6, femme, thérapeute EFT). Une thérapeute de l’approche expérientielle de Satir (ID 12) a aussi relevé que la séance paraissait hors contexte, et a écrit : « Du point de vue du modèle de Satir, l’attention portée au système interne corporel et à l’exploration a été limitée. Le contexte culturel aurait aussi pu être exploré davantage. Par moments, les interprétations de la personne thérapeute risquaient d’interrompre le propre processus de découverte de la cliente : la personne thérapeute pouvait parfois être trop interprétative et pourrait laisser plus d’espace à l’exploration de la cliente. »

Dans l’ensemble, le panel a observé que la personne thérapeute maîtrisait certaines techniques, mais ne parvenait pas à approfondir le processus thérapeutique et ne permettait pas à la cliente d’explorer et de grandir. Un membre du panel a souligné que la personne thérapeute employait plus de mots et d’interprétations que la cliente, comme si celle-ci était peu engagée (ID 8). Enfin, deux membres du panel ont exprimé leur agacement envers la personne thérapeute : l’une a repéré qu’il s’agissait d’une IA et n’a pas pu s’immerger dans l’histoire (ID 10, femme, thérapeute familiale d’orientation psychodynamique), l’autre a jugé la séance médiocre (ID 11, homme, thérapeute familial d’orientation stratégique). Ce participant a déclaré : « J’ai eu du mal à évaluer les compétences de la personne thérapeute en suivant une transcription écrite. Le texte semblait représenter un déroulement thérapeutique moyen, de la façon la plus convenable possible. Par moments, j’ai eu du mal à distinguer s’il reflétait une séance de thérapie spontanée ou un scénario fictif », laissant entendre qu’il pouvait s’agir d’une IA ou simplement d’une fiction. En somme, les scores du panel aux échelles standardisées et ses retours écrits convergent : la personne thérapeute a montré certaines habiletés d’entretien de base en thérapie systémique, mais en restant superficielle, au niveau d’une séance moyenne menée par une personne thérapeute novice.

Alors que le panel a trouvé la séance moyenne, la cliente volontaire a vécu l’expérience tout autrement. Elle a attribué au GPT une satisfaction globale de 5 (très satisfaite) et a indiqué que c’était la première fois qu’elle utilisait l’IA pour des conseils relationnels, et qu’elle avait été agréablement surprise par ce qu’elle avait compris au fil de son échange avec le modèle entraîné. Elle a eu le sentiment que le modèle l’avait aidée à réfléchir aux dynamiques relationnelles en cours avec l’autre membre de son couple et à les comprendre. Interrogée sur les ressemblances et les différences avec son expérience thérapeutique antérieure, la volontaire a estimé que le GPT posait des questions de la même manière qu’une personne thérapeute, mais qu’il était moins directif et moins centré sur la tâche qu’une personne thérapeute humaine. Comme axe de progression, la volontaire a suggéré que les réponses du GPT soient plus longues et plus complètes, une suggestion tout à fait contraire à celles du panel expérimenté.

4. Discussion

Cette étude a examiné la compétence clinique et culturelle d’un modèle ChatGPT entraîné aux interventions systémiques, telle qu’évaluée par un panel expérimenté de supervision clinique, à partir d’une séance simulée de thérapie individuelle. À notre connaissance, une seule étude antérieure (Vowels et al. 2025) a mis au point un agent conversationnel spécifiquement destiné à la thérapie relationnelle ; la présente étude s’ajoute à la littérature naissante sur la conception et l’évaluation de la thérapie par IA, en se concentrant sur ses qualifications et ses compétences au regard des principes de la thérapie systémique. Dans l’ensemble, la majorité du panel a vu dans la personne thérapeute un profil clinique en début de carrière, une seule personne l’ayant identifiée comme une IA. Du point de vue de la cliente volontaire, l’expérience a été décrite comme utile pour comprendre ses dynamiques relationnelles. Cela soulève une question importante sur le rapport entre la qualité clinique du modèle et le soutien perçu.

La première question de recherche portait sur l’éventail et la fréquence des micro-interventions systémiques utilisées par le modèle GPT. Les évaluations du panel confirment que le GPT a mobilisé toute une gamme de techniques systémiques, dont les questions relationnelles, les interprétations relationnelles, les questions circulaires, les recadrages relationnels, le reflet et la validation. Ce résultat concorde avec des travaux antérieurs montrant que les LLM peuvent répondre par la validation, la normalisation et des reformulations empathiques (Scholich et al. 2025), et l’étend au domaine relationnel et systémique. Toutefois, le panel a aussi signalé que le modèle GPT était dominant et trop focalisé sur la technique. Un ensemble croissant de recherches montre que le public prête aux agents d’IA des qualités de thérapeute et les perçoit souvent comme compétents et émotionnellement soutenants (par exemple Elyoseph et al. 2023 ; Yin et al. 2024), mais que les interactions entre humain et IA relèvent encore de la pseudo-empathie (Yirmiya et Fonagy 2025). Si nos résultats quantitatifs suggèrent que l’IA a su proposer des interventions et des techniques systémiques, les retours du panel ont révélé que ces habiletés paraissaient compétentes sur le plan technique mais donnaient l’impression d’une pseudo-thérapie, comme en témoignent les propos du panel qualifiant la séance de peu réelle, générique et dépourvue de véritable profondeur relationnelle. Il semble que les agents d’IA puissent être entraînés à appliquer des techniques systémiques, mais échouent à saisir l’importance d’établir une relation thérapeutique authentique et porteuse de sens par une curiosité sincère pour l’expérience des personnes suivies. Les questions exploratoires, de clarification, d’échauffement, de relance, de sondage délicat ou indirectes que pose une personne thérapeute humaine étaient absentes chez l’IA, malgré nos tentatives d’inclure des consignes spécifiques. Même lorsque le GPT posait des questions de relance, celles-ci paraissaient parfois plus structurées que naturellement relationnelles. C’est important, car la compétence thérapeutique ne consiste pas seulement à appliquer des techniques, mais aussi à répondre, d’instant en instant, aux besoins émotionnels et relationnels de la personne suivie (Hatcher 2015).

La deuxième question de recherche portait sur la compétence clinique du modèle GPT dans la mise en œuvre des interventions systémiques. Les résultats confirment en partie les hypothèses pour les habiletés d’entretien de base et les caractéristiques de la personne thérapeute : le panel l’a perçue comme chaleureuse et attentionnée, au niveau d’un profil clinique en début de carrière. Toutefois, même avec ces habiletés systémiques, le panel a noté que le style du GPT était parfois fermé plutôt qu’il n’invitait à l’exploration. Ce constat a aussi été fait dans des travaux antérieurs, qui ont montré que les agents conversationnels posent moins de questions ouvertes (Scholich et al. 2025). Dans les domaines de compétence clinique plus complexes, le panel a relevé les niveaux limités d’affiliation et de rythme du GPT, qui dépendent de l’accordage thérapeutique.

Même si l’IA n’a obtenu de mauvais résultats dans aucun domaine de compétence, ces notes moyennes ne doivent pas être interprétées uniquement comme la preuve d’une performance adéquate. Pour préciser, dans le cadre d’une thérapie humaine, le déroulement du dialogue n’est généralement pas un processus parfaitement fluide. Les dialogues en thérapie comprennent des hésitations, des malentendus, des erreurs, des réparations, des clarifications, des moments de proximité émotionnelle, de l’humour, des compliments, des échanges sociaux ordinaires et des réponses spontanées et créatives, qui font tous partie de la thérapie en tant que processus relationnel et conversationnel qui se déploie naturellement (Alanezi 2024). Ces fluctuations de la conversation contribuent au naturel de la thérapie et de la relation thérapeutique. Notre expérience de l’entraînement du GPT reflète un schéma semblable. Pour bien fonctionner, le modèle GPT devait recevoir des indications exactes sur ce qu’il fallait dire, quand et comment le dire, un peu comme une personne thérapeute novice qui a besoin de consignes directes et claires. Cela soulève la question de l’art de la psychothérapie, qui suppose spontanéité, créativité et lien humain authentique. Si l’IA pouvait être entraînée aux aspects techniques de la psychothérapie, il lui manquait ce qu’on appelle l’art, ou ce que l’on pourrait appeler le facteur humain.

Concernant la troisième question de recherche, sur la compétence culturelle, les résultats confirment en partie l’hypothèse selon laquelle le GPT rencontrerait des difficultés. D’un côté, le panel a attribué au GPT une compétence culturelle modérée, ce qui suggère que le modèle disposait d’une certaine capacité d’ajustement culturel. De l’autre, il manquait au GPT la sensibilité contextuelle plus profonde qu’exige une compétence culturelle efficace. Ce résultat concorde avec d’autres études montrant que les LLM peuvent fournir des réponses simplistes et génériques en ignorant le contexte culturel précis dans lequel s’inscrivent les personnes suivies (Iftikhar et al. 2025 ; Scholich et al. 2025). Dans la présente étude, le panel a de même suggéré que le contexte culturel aurait pu être davantage exploré : une thérapeute d’orientation expérientielle a observé que la séance paraissait hors contexte, et les membres du panel d’orientation féministe ont suggéré que le GPT adoptait une posture masculine. Autrement dit, l’excès de confiance du modèle GPT dans la technique évoquait une domination masculine et manquait de l’attitude attentionnée et compréhensive qui peut être associée au rôle genré des femmes dans le travail émotionnel.

Il semble que l’IA puisse s’engager dans de nombreuses actions thérapeutiques différentes, sans parvenir tout à fait à accomplir le véritable processus thérapeutique, avec sa variabilité et sa réactivité, comme les caractéristiques ordinaires de l’interaction relationnelle entre humains au cours d’une séance de thérapie. Ainsi, le modèle GPT entraîné n’a pas pu produire des réponses qui varient selon les moments émotionnels et apportent du naturel et de l’authenticité à la thérapie. Cela peut aussi expliquer pourquoi certaines personnes du panel ont indiqué que la personne thérapeute pouvait être une IA ou que l’échange paraissait générique.

Pris ensemble, les résultats indiquent que le modèle GPT était capable de mettre en œuvre des formes de thérapie systémique fondées sur des habiletés, sans mobiliser pleinement les facteurs relationnels et humains essentiels à la thérapie. Or la dépendance de l’IA à l’égard de techniques apprises et de règles prédéterminées limite ses capacités dans des domaines comme la résonance émotionnelle, l’intuition professionnelle (Zhang et Wang 2024), la confiance interpersonnelle authentique, la synchronie physiologique (Yirmiya et Fonagy 2025) et la contenance émotionnelle incarnée (Govrin 2025). Ces éléments font partie intégrante de l’usage thérapeutique de soi, qui distingue une psychothérapie habile d’interactions techniquement adéquates. Les résultats de cette étude doivent donc être interprétés comme une recherche préliminaire sur la compétence clinique perçue, par le panel de supervision, d’une conception particulière de GPT dans une situation de séance standardisée unique, et non comme la preuve de l’efficacité ou de la sécurité d’une psychothérapie systémique délivrée par l’IA dans la pratique clinique réelle.

4.1. Limites

Plusieurs limites de l’étude méritent d’être signalées. La présente étude est une première tentative pour entraîner, mettre en œuvre et évaluer un modèle GPT systémique, et doit être considérée comme une étude pilote exploratoire sur un petit échantillon (12 membres du panel de supervision et une seule cliente). Même si nous avons rigoureusement entraîné le modèle GPT à partir du code de déontologie et des compétences fondamentales de l’AAMFT, notre étude est limitée, car elle repose sur une seule séance et sur l’échange d’une seule cliente avec l’IA, ainsi que sur les évaluations subjectives du panel, sans condition de comparaison. Nos résultats ne reflètent donc ni les compétences et habiletés globales d’autres modèles d’IA entraînés, ni les compétences de ces modèles avec des personnes présentant des symptômes différents de ceux examinés ici. Le caractère pilote de l’étude apparaît aussi dans la taille de l’échantillon : nous avons recruté un panel expérimenté de supervision clinique au moyen d’un échantillonnage de convenance, au lieu de poursuivre l’étude jusqu’à saturation des thèmes. Les recherches futures devraient donc examiner comment un modèle GPT entraîné à l’approche systémique se comporte sur plusieurs séances et comment sa performance varie selon des personnes présentant différents problèmes relationnels et motifs de consultation.

Nous reconnaissons aussi que la configuration d’un GPT est un processus itératif qui se poursuit avec les retours des personnes utilisatrices et qui dépend fortement des mises à jour des modèles d’OpenAI. Les GPT sont des systèmes automates en évolution, et les présents résultats ne livrent qu’un instantané d’un modèle entraîné à une étape de ce parcours. La performance du modèle GPT peut varier selon le choix des ressources, l’enchaînement et la structure des consignes, et la manière de formuler les clauses conditionnelles (comportements, règles, questions éthiques). Une autre limite tient au phénomène de désalignement des objectifs, défini comme un conflit entre nos instructions personnalisées et le comportement d’engagement appris par le modèle. Notre configuration s’inscrivait dans les instructions système d’OpenAI. Lorsqu’il y avait conflit entre nos instructions et celles du modèle de base, le modèle revenait à son comportement général. Par exemple, alors que nous avions soigneusement conçu nos consignes pour un dialogue thérapeutique naturel (suivre le rythme de la cliente, garder le silence par moments, confronter doucement, ne pas tirer de conclusions hâtives, faire une évaluation relationnelle d’ensemble et écouter l’histoire) et donné au GPT des exemples comportementaux clairs pour chaque règle, le modèle restait trop engageant, avec un reflet continu, de la validation et des réponses rapides. De même, nos tentatives pour apprendre au GPT à simplement clore la séance au bout de 50 minutes ont échoué, parce que le modèle de base n’a pas de notion du temps lui permettant de mettre fin de lui-même à la conversation. Le modèle continuait à converser aussi longtemps que la personne utilisatrice le souhaitait et ne prenait jamais l’initiative de terminer la séance. Ce n’est pas seulement une limite de notre étude (dans quelle mesure nous avons réellement formé le GPT à la pensée systémique), mais aussi une source d’inquiétude quant aux préjudices possibles d’un usage futur de l’IA à des fins thérapeutiques : une séance sans fin pose des problèmes de cadre, de préjudice potentiel et de validation constante et non supervisée.

Une autre limite tient à l’absence d’informations sur la littératie en IA du panel, sur ses attitudes envers l’usage de l’IA pour des conseils relationnels et en thérapie, et sur son degré de familiarité avec les agents d’IA et d’usage de ceux-ci. L’étude étant conduite en aveugle, nous ne pouvions pas aborder ces questions dans le questionnaire. Enfin et surtout, une limite importante de l’étude est que la séance simulée a été menée avec une cliente individuelle, et non avec un couple ou une famille. La thérapie systémique avec une personne seule suit un processus différent de celle qui réunit plusieurs personnes dans la pièce. Cela a pu limiter la capacité du GPT à mettre réellement en œuvre des habiletés, des compétences et des techniques systémiques qui ne sont pas toujours faciles à appliquer avec une seule personne. Ou, tout à l’inverse, échanger avec une personne seule pouvait être moins difficile que de travailler avec un couple très conflictuel ou une famille. On ignore donc encore si les interventions du GPT et leur qualité tiennent à ses compétences ou à la facilité ou à la difficulté relatives de la modalité de séance.

4.2. Implications pour la recherche future et la pratique clinique

Face à la demande naissante du public pour la thérapie par IA, et à l’intégration de l’IA dans la pratique clinique quotidienne, pour le diagnostic, l’évaluation et les tâches administratives (Puhlman et Chen 2025), des questions demeurent sur l’avenir de notre profession. Nos résultats montrent que les agents d’IA peuvent être entraînés à des techniques, mais restent superficiels et manquent d’aspects fondamentaux du processus psychothérapeutique : les facteurs humains. Ces contraintes et ces limites des agents d’IA indiquent qu’ils peuvent fonctionner davantage comme des compléments du processus thérapeutique que comme des substituts d’une personne thérapeute humaine. Comme le soulignent Hertlein et Springer (2026), l’IA est là pour rester, et il est urgent de disposer de lignes directrices, de formations, de réglementations et de solutions pratiques pour accompagner ce changement. Du point de vue de la pensée systémique, nous nous trouvons à un tournant de changement de second ordre, où la profession thérapeutique, en tant que système ouvert, influence les avancées techniques et la révolution de l’IA et en subit l’influence : c’est un processus d’adaptation et d’atteinte d’un nouvel état d’équilibre. À ce tournant, de nouvelles recherches dans une perspective systémique sont nécessaires. Plusieurs pistes de recherche future pourraient être des études de réplication de modèles GPT pour examiner les effets personnalisés de la thérapie par IA et comprendre la diversité des besoins des personnes suivies, l’étude des facteurs humains en psychothérapie dans leurs qualités propres, et la discussion de la question de savoir si une thérapie hybride et intégrative entre humain et IA est réellement possible ou s’il s’agit d’un abus de langage. En outre, il est frappant que les témoignages du public sur les agents conversationnels fondés sur des LLM et les applications de thérapie par IA rapportés dans la littérature diffèrent nettement (et soient parfois même contraires) des évaluations des spécialistes de la santé mentale, ce qui a aussi été le cas dans notre étude exploratoire. La recherche future pourrait examiner les points de vue des personnes suivies et des spécialistes sur leurs perceptions, leurs attentes et leurs attributions concernant le processus thérapeutique entre IA et humain, au moyen d’enquêtes sur des échantillons plus larges. Une piste de recherche qui mérite d’être explorée est l’anthropomorphisme perçu (les qualités humaines prêtées) des agents de thérapie par IA et son lien avec la perception, par le public, de leurs compétences et habiletés. La recherche sur l’interaction humain-machine a largement montré que lorsque les personnes anthropomorphisent des agents parce que ceux-ci imitent la conversation humaine, elles interagissent plus souvent avec ces agents d’IA et disent construire avec eux confiance et lien (voir Erdem et al. 2026 pour une revue). La recherche future en TCF pourrait examiner si un phénomène semblable se produit chez les personnes qui utilisent des agents d’IA à des fins thérapeutiques et prêtent à l’IA des qualités de thérapeute lorsqu’elle imite les réponses d’une personne thérapeute, bien qu’il s’agisse de pseudo-empathie. Nous proposons le terme de thérapomorphisme pour ce phénomène, qui mérite d’être exploré pour interpréter l’écart entre les témoignages du public et ceux des spécialistes de la santé mentale.

Par ailleurs, nous invitons la profession de la TCF à détourner son attention de la question de savoir si l’IA peut ou non faire de la thérapie efficacement, vers une question plus fondamentale et plus large : comment l’usage de l’IA peut-il affecter le processus thérapeutique, les attentes, les attitudes et les standards ? Lorsque des êtres humains se tournent vers l’IA pour des conseils relationnels et un soutien en santé mentale, leurs échanges sont tout à fait à l’opposé de leur expérience d’une thérapie réelle : l’IA est disponible en permanence, abordable, accessible, et elle valide et reflète toujours pour garder la personne engagée, alors que la thérapie humaine se caractérise par des horaires, un cadre, des confrontations et parfois des ruptures. La thérapie par IA est rapide, avec un changement rapide, mais superficielle, alors que la thérapie humaine est lente et centrée sur le processus. La thérapie humaine offre une expérience correctrice des blessures d’attachement et des vulnérabilités, par une relation authentique avec la personne thérapeute et par la contenance qu’elle assure. Comme l’a montré notre étude exploratoire, les agents d’IA manquent actuellement de cette profondeur émotionnelle, de cette expérience vécue et de cette notion du contexte qui permettraient d’offrir véritablement ce havre de sécurité à la personne suivie. Dans ce cas, il vaut la peine d’explorer si l’usage de l’IA à des fins thérapeutiques entrave la capacité à construire sa résilience et fait manquer des occasions de croissance, ou s’il peut offrir quelques solutions rapides qui motivent la personne à rechercher une expérience émotionnelle plus approfondie dans une thérapie humaine. Une autre piste de recherche future en TCF porte sur la question de savoir si l’échange avec l’IA modifierait la motivation d’une personne à entreprendre une thérapie humaine. Il vaut la peine d’examiner si certaines personnes suivies pourraient se trianguler vers la thérapie par IA après des séances émotionnellement intenses et éprouvantes. La recherche future pourrait explorer ces mécanismes de triangulation et comprendre comment l’IA interagit avec le système formé par la personne thérapeute humaine et la personne suivie, en particulier dans les moments d’incertitude.

Enfin, les personnes suivies pouvant se tourner de plus en plus vers l’IA à des fins thérapeutiques, il est nécessaire que la clinique et la supervision élaborent des lignes directrices pour son usage éthique en thérapie. Avant tout, il leur faut développer une littératie en IA afin de pouvoir expliquer aux personnes suivies ce que font ces outils et là où ils ont tendance à échouer (Hertlein et Springer 2026). Plutôt que d’ignorer l’usage de l’IA par la personne suivie en dehors des séances, il est recommandé d’en inviter le récit et de le traiter comme un matériau clinique à explorer ensemble, tout en restant à l’affût des signes de dépendance, d’isolement social et de réponse inadéquate en situation de crise (Hertlein et Springer 2026 ; Smith et al. 2025).

5. Conclusions

L’intégration rapide de l’IA dans la vie quotidienne ouvre de nouvelles possibilités quant à la manière dont les personnes cherchent du soutien, des conseils et de la compréhension dans les moments de détresse relationnelle et émotionnelle. À mesure que les agents d’IA deviennent de plus en plus habiles à imiter les conversations thérapeutiques, les questions de compétence, à elles seules, risquent de ne plus suffire. Des questions plus fondamentales émergent, sur le changement thérapeutique, le rôle du lien humain, et les aspects de la psychothérapie que la technologie peut ou ne peut pas reproduire. La présente étude suggère que, si l’IA peut offrir des formes de soutien accessibles et structurées, la psychothérapie reste davantage que la mise en œuvre de techniques ou la transmission d’informations. En définitive, l’avenir de l’IA en santé mentale dépendra peut-être moins de la capacité des agents d’IA à devenir thérapeutes que de la manière dont la profession choisira d’intégrer l’innovation technologique tout en préservant les qualités proprement humaines qui sont au cœur du processus thérapeutique.